查看原文
其他

词云一分钟了解周董的歌词

糖甜甜甜 R语言中文社区 2019-04-22

作者简介

糖甜甜甜 

公众号:经管人学数据分析

前段时间周董发布了一首新歌《不爱我就拉倒》被网友吐槽土味十足,这段时间有本科同学让我帮忙做词云,所以借此机会把代码记录下了,顺便借周董的20首歌词做下词云。

数据获取

文本处理

首先做准备工作,将评论文本用jieba库进行分词,jieba支持三种分词模式 :

1 精确模式,试图将句子最精确地切开,适合文本分析; 
2 全模式,把句子中所有的可以成词的词语都扫描出来, 速度非常快,但是不能解决歧义; 
3 搜索引擎模式,在精确模式的基础上,对长词再次切分,提高召回率,适合用于搜索引擎分词。

这里采用精确模式分词,代码如下: 

分词完成后,可以输出打印看看结果,会发现有些很奇怪的emoji符号,还有些常用词对分析无用,例如:的、地、得。所以这里还需要去掉停用词。当然,想要进一步做更精确的分析,需要自己设计语料库。停用词的语料库我是在网上下载的,后台回复语料库即可获取,R代码如下:


词云制作

词云制作可以直接采用R里面的wordcloud包,里面有各种词云形状和词颜色。R代码如下:

词云结果如下:

换一种形状试试(没错代码就是这么简单)

再试试其他风格

周董歌词用得最多的是“我”字(小公主还是蛮自恋的,哈哈),词云还可以自定义背景形状哟。

完整代码

完成啦,是不是很简单!再也不用让别人帮忙了。



 大家都在看 

2017年R语言发展报告(国内)

R语言中文社区历史文章整理(作者篇)

R语言中文社区历史文章整理(类型篇)


公众号后台回复关键字即可学习

回复 R                  R语言快速入门及数据挖掘 
回复 Kaggle案例  Kaggle十大案例精讲(连载中)
回复 文本挖掘      手把手教你做文本挖掘
回复 可视化          R语言可视化在商务场景中的应用 
回复 大数据         大数据系列免费视频教程 
回复 量化投资      张丹教你如何用R语言量化投资 
回复 用户画像      京东大数据,揭秘用户画像
回复 数据挖掘     常用数据挖掘算法原理解释与应用
回复 机器学习     人工智能系列之机器学习与实践
回复 爬虫            R语言爬虫实战案例分享

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存